OFDM系统中深度神经网络指导的IQ不平衡补偿算法

摘要：

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交.然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能.通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法.该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度.仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性.

关键词：IQ不平衡、模型驱动、OFDM系统、深度学习

所属期刊栏目：42

分类号：TN95

资助基金：国家自然科学基金资助项目61671233, 61801208, 61931023

在线出版日期：2020-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11